opencv用C++语言对视频中的车辆识别并且计数

要对视频中的车辆进行识别并计数，可以利用OpenCV的目标检测功能和跟踪算法。具体步骤如下：

1. 加载视频并初始化视频帧。
2. 使用Haar或者HOG特征分类器进行车辆检测，并得到检测到的车辆的位置信息。
3. 对每一帧检测到的车辆进行跟踪，可以使用Kalman滤波算法进行目标跟踪。
4. 根据目标跟踪的结果，可以对车辆进行计数，即统计车辆进入和离开的次数。

下面是一个简单的示例代码，实现了对视频中车辆的检测和计数：

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main()
{
    // 加载视频
    VideoCapture cap("test.mp4");
    if (!cap.isOpened())
    {
        cerr << "Error opening video file!" << endl;
        return -1;
    }

    // 创建车辆检测分类器
    CascadeClassifier car_cascade;
    if (!car_cascade.load("car.xml"))
    {
        cerr << "Error loading car classifier!" << endl;
        return -1;
    }

    // 创建跟踪器
    vector<Ptr<Tracker>> trackers;
    vector<Rect2d> objects;

    // 初始化视频帧和计数器
    Mat frame;
    int car_count = 0;

    while (cap.read(frame))
    {
        // 对当前帧进行车辆检测
        vector<Rect> cars;
        car_cascade.detectMultiScale(frame, cars, 1.1, 2, 0 | CASCADE_SCALE_IMAGE, Size(30, 30));

        // 对每个检测到的车辆进行跟踪
        for (auto& car : cars)
        {
            bool found = false;
            for (int i = 0; i < trackers.size(); i++)
            {
                if (trackers[i]->update(frame, objects[i]))
                {
                    found = true;
                }
                else
                {
                    trackers.erase(trackers.begin() + i);
                    objects.erase(objects.begin() + i);
                    i--;
                }
            }

            if (!found)
            {
                Ptr<Tracker> tracker = TrackerKCF::create();
                tracker->init(frame, car);
                trackers.push_back(tracker);
                objects.push_back(car);
            }

            // 统计车辆进入和离开的次数
            if (car.x + car.width > frame.cols / 2 && objects.size() > 0 && objects[0].x + objects[0].width < frame.cols / 2)
            {
                car_count++;
            }
            if (car.x < frame.cols / 2 && objects.size() > 0 && objects[0].x > frame.cols / 2)
            {
                car_count++;
            }
        }

        // 显示计数结果
        putText(frame, "Car count: " + to_string(car_count), Point(10, 30), FONT_HERSHEY_SIMPLEX, 1, Scalar(0, 0, 255), 2);

        // 显示车辆检测结果
        for (auto& car : objects)
        {
            rectangle(frame, car, Scalar(0, 255, 0), 2);
        }

        // 显示当前帧
        imshow("Video", frame);

        // 按下ESC键退出
        if (waitKey(1) == 27)
        {
            break;
        }
    }

    return 0;
}

需要注意的是，该代码只是一个简单的示例，实际应用中还需要进行一些优化和调整，比如调整分类器的参数，选择更合适的跟踪算法等。